SenseVoice
STT.ai ይህ ሞዴል አይሰራም. ይህ ገጽ ስለ እርሱ መረጃን ያመለክታል.
ፋይል (_F) →
5.5%
WER
50
ቋንቋዎች
50.0x
ፍጥነት
MIT
ፈቃድ
ስለ SenseVoice
SenseVoice ከ FunAudioLLM የተገኘ የንግግር መሠረት ሞዴል ነው. 50+ ቋንቋዎችን ይደግፋል እናም ለፍላጎት ማወቅ፣ ለድምፅ ክስተት ማወቅ እና ለጽሑፍ ተቀባይነት ያለውን አማራጭ በአንድ ሞዴል ውስጥ ያካትታል.
መረጃ
- አቅራቢFunAudioLLM
- አርክቴክቸር-
- ፈቃድMIT
- የተሻሻለMar 2026
ብዙ ጊዜ የሚጠየቁ ጥያቄዎች
SenseVoice በFunAudioLLM የተገኘ የንግግር-ወደ-ጽሑፍ ሞዴል ነው። STT.ai በወቅቱ SenseVoiceን አይሰራም - ይህ ገጽ ስለ ሞዴሉ መረጃ ነው። ለ STT.ai መዝገብ ቤት፣ ሞዴል መራጭ የዊስፐር ቤተሰብን (ቱርቦ፣ ትልቅ V3፣ መካከለኛ፣ ትንሽ) ይሰጣል
በ SenseVoice 5.5% የቃል ስህተት መጠን ላይ SenseVoice% ያደርጋል. እውነተኛው ዓለም ትክክለኛነት በድምፅ ጥራት ላይ የተመሠረተ ነው ፣ አቀራረብ ፣ እና ቋንቋ ፣ ለ ጩኸት ወይም አቀራረብ መዝገቦች ፣ ጥቂት በመቶ ነጥቦችን WER ከፍ ያለ WER ይከሰታሉ ፡፡
SenseVoice በ STT.ai ላይ አይገኝም. የራሱን የሊስንስ ውሎች ራስህ መምራትን ያስተዳድራል. STT.ai ነፃ ደረጃ የዊስፐር ሞዴሎችን እንሰራለን - 600 ደቂቃዎች ለመጀመር, ከዚያ ወርሃዊ ነፃ ቶፕ-አፕ.
SenseVoice በ MIT ስር ይወጣል ፣ ይህም የፍቃድ የፍቃድ ፈቃድ ነው ፡፡ SenseVoice ን በራስዎ ሃርድዌር ላይ ራስ-አስተናጋጅ ማድረግ ወይም የሆስት ስሪታችንን መጠቀም ይችላሉ - ሁለቱም በኮሜርስ ሊጠቀሙበት የሚችሉ ናቸው ፡፡
SenseVoice 50 ቋንቋዎችን ይደግፋል. አውቶማቲክ-አግኝቶ ለብዙዎቹ ድምፆች ትክክለኛውን ቋንቋ ይመርጣል፤ ለጥቂት ትክክለኛነት ከፍታም በมือ መወሰን ይችላሉ።
SenseVoice ድምፅን በ 50.0x ወቅታዊ ጊዜ በጂፒዩዎች ላይ ይሠራል. የ 1 ሰዓት ድምፅ ፋይል በ 1 ደቂቃዎች ውስጥ ይከናወናል፤ ረጅም ፋይሎችን በፍጥነት ይዘው ይሂዱ እና በኢሜይል ይደውሉ
SenseVoice 234M ፓራሜትሮች አለው. ትልልቅ ሞዴሎች የበለጠ ትክክለኛ ናቸው ግን ዝቅተኛ ናቸው፤ STT.ai በጂፒዩ ላይ SenseVoiceን ይቀበላል ስለዚህም የፓራሜትሮች ቁጥር የክላይንት-ገጽታዎን ውጤታማነት አይጎዳም
SenseVoice ሁሉንም STT.ai የሚደግፍ ቅርጸት ይቀበላል - MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, እና ሌሎች. እንደ TXT, SRT, VTT, DOCX, JSON, ወይም PDF መውጫ.
አዎ. የተናጋሪው መዝገብ ቤት ለእያንዳንዱ ትርጓሜ SenseVoice ጋር ይሰራል። ተናጋሪው ሁሉ ምልክት ተደርጎለት ከዚያም በኋላ በማተሚያው ውስጥ ስም ሊለውጡ ይችላሉ።
አዎ. SenseVoice በተስተዳደሩ አካባቢዎች ውስጥ ይሠራል - ድምፅ በቅድመ-ሁኔታ የተቀየሰ እና የተጠፋ ሲሆን ግልጽ ያልሆነ የውስጥ አማራጭ ሳይኖር ለልምምድ አልተጠቀመም. ፕሮ ፕሮግራሞች ለተቀመጡት መዝገቦች የክላይንት-ገጽ ስክሪፕት ይጨምራሉ.
SenseVoiceን ከሌላ የተደገፈ ሞዴል ጋር ለማወዳደር compare-stt የሚለውን መሳሪያ ይጠቀሙ - WER፣ ክፍል ቁጥር፣ የድምፅ ሰጪ መለያዎች፣ እና የጥራት ደረጃዎች በአንድ በኩል ይታይዎታል። SenseVoice vs Whisper Large V3 ማወዳደር በጣም የተለመደው ነው
አዎ. "sensevoice" እንደ ሞዴል ፓራሜትር በ /v1/transcribe መጨረሻ ላይ ይግለጹ. Python እና Node.js SDKs SenseVoice ምሳሌዎችን ያካትታሉ. ነፃ API ደረጃ 100 ደቂቃ / ወር ያካትታል.
አዎ. SenseVoice MIT-ሊስንስ ነው, ስለዚህ, ራስ-አስተናጋጅ ማድረግ ይችላሉ. STT.ai የክፍል ክፍል የፕሮጀክት repo እና ክብደት ዝርዝር. አብዛኛዎቹ ምርት ቡድኖች GPU ማግኘት, ሞዴል swaps, እና ops ለመውሰድ የምንይዝበትን ስሪት ይጠቀማሉ.